capÍtulo iii programaÇÃo linear (pl) · • dentre as técnicas de pesquisa operacional, a...

CAPÍTULO III – PROGRAMAÇÃO LINEAR (PL)

Prof. Gilson Fernandes da Silva

Departamento de Ciências Florestais e da Madeira (DCFM) Programa de Pós-graduação em Ciências Florestais (PGCF)

Universidade Federal Espírito Santo (UFES)

1. OBJETIVOS DO CAPÍTULO II

- Realizar treinamento em modelagem de problemas de Programação Linear (PL).

- Apresentar os métodos de solução, gráfico e analítico, de modelos de PL.

- Apresentar conceitos básicos sobre análise de sensibilidade e análise pós-otimização.

- Realizar treinamento em alguns pacotes

computacionais empregados para a solução de PPL’s.

2. INTRODUÇÃO

• Dentre as técnicas de pesquisa operacional, a

Programação Linear (PL) é o instrumento mais

comumente empregado na resolução prática de

problemas decisórios e de certa complexidade.

• Isto se explica, por um lado, pela versatilidade do

instrumento, e por outro, pelo nível relativamente

pouco sofisticado dos seus fundamentos

matemáticos.

“A PL é uma técnica de otimização utilizada para

alocação de recursos escassos entre atividades

competitivas de maneira ótima”.

A PL como técnica de otimização procura obter

soluções ótimas para modelos matemáticos,

lembrando que modelos nada mais são do que

simplificações da realidade.

No nosso caso interessa especialmente as realidades

florestais.

3. O CONCEITO DE LINEARIDADE

MODELOS LINEARES: São aqueles em que as

variáveis se relacionam de forma aditiva.

Função Linear

Q(x) = c1x1 + c2x2 + c3x3 + ... + cnxn

em que

x1, x2, ... , xn são variáveis e c1, c2, ... , cn são os

coeficientes das variáveis.

Exemplos:

Q(x) = 5x1 + 12x2 - 8x3

Q(x) = 42Pinus + 28Eucalipto

Contra-exemplos (funções não-lineares):

Q(x) = 10Pinus2 + 8Eucalipto3

Q(x) = 6x1x2

Modelos Lineares: Em geral, são mais tratáveis,

porém menos reais.

Modelos Não-lineares: Menos tratáveis, porém

mais realísticos.

Exemplo de uma situação de linearidade: Um

metro cúbico de madeira custa R$ 42,00, sendo x

a quantidade de madeira a ser vendida. Esta

realidade pode ser expressa matematicamente

pela seguinte equação:

R(x) = 42x , sendo R(x) igual ao valor arrecadado

com a venda de madeira. A Figura 1 ilustra

graficamente esta situação.

0

100

200

300

400

500

0 5 10

Re

nd

a (R

$)

Volume de Madeira (m3)

Figura 1 – Ilustração gráfica de uma situação de linearidade.

Exemplo de uma situação de não-linearidade: O

preço pago pela madeira depende da quantidade

x a ser vendida. Assim, considerando-se que para

uma determinada quantidade de madeira x

vendida é dado um desconto no preço, tem-se:

Renda R(x) = x P(x)

em que

P(x) = 42 – 0,01x (função de desconto)

R(x) = x(42 – 0,01x)

R(x) = 42x – 0,01x2

4. O MODELO DE PROGRAMAÇÃO LINEAR

MAXIMIZAR Q(X) = c1x1 + c2x2 + ... + cnxn

s.a. (sujeito a)

a11x1 + a12x2 + ... + a1nxn b1

a21x1 + a22x2 + ... + a2nxn b2

am1x1 + am2x2 + ... + amnxn bm

xi 0

Função objetivo

Restrições

funcionais ou

estruturais

Restrições de não-negatividade

Forma Padrão:

Além da forma padrão, outras formas de

apresentação podem ser consideradas (Hillier e

Lieberman, 2010):

1 – Minimizar ao invés de maximizar a F.O.

2 – Algumas restrições funcionais do tipo:

a11x1 + a12x2 + ... + a1nxn bi

3 – Algumas restrições funcionais do tipo:

a11x1 + a12x2 + ... + a1nxn = bi

4 – Eliminar algumas restrições não-negativas.

Recurso Atividade Quantidade de

Recursos

Disponíveis 1 2 n

1 a11 a12 a2n b1

2 a21 a22 a2n b2

m am1 am2 amn bm

Contribuição a Z por

unidade de atividade c1 c2 cn

Fonte: Hillier e Lieberman, 2010

De acordo com Bregalda (2000), a forma padrão

do modelo de PL pode ser sintetizada pelas

seguintes expressões:

Ou pela forma matricial:

Em que:

A = matriz m x n, construida por todos os elementos

aij, i = 1, 2, ... , m e j = 1, 2, ... , n

b = vetor m x 1, constituído por todos os elementos

bi, i = 1, 2, ... , m

c = vetor n x 1, constituído por todos os elementos

cj, j = 1, 2, ... , n

x = vetor n x 1, constituído por todos os elementos

xj, i = 1, 2, ... , n

5. HIPÓTESES DO MODELO DE PL

De acordo com Hillier e Lieberman

(2010), o modelo de PL deve atender às

seguintes hipóteses:

PROPORCIONALIDADE:

A contribuição de cada atividade ao valor da

função objetivo Q(x) é proporcional ao nível da

atividade xj (ver o ter cjxj da F.O.).

A contribuição de cada atividade ao lado

esquerdo de cada restrição funcional é

proporcional ao nível da atividade xj , conforme

representado pelo termo aij nas restrições.

ADITIVIDADE: Toda função em um modelo de

Programação Linear é a soma das contribuições

individuais das respectivas atividades.

DIVISIBILIDADE: As variáveis de decisão em um

modelo de PL podem assumir quaisquer valores,

inclusive valores não-inteiros (variáveis contínuas).

CERTEZA: O valor atribuído a cada parâmetro (os

coeficientes cj, aij e bi) de um modelo de PL é

assumido como uma constante conhecida.

6. MODELANDO PROBLEMAS DE PL

A Programação Linear apresenta alguns

modelos clássicos que são amplamente

divulgados na literatura e têm os mais

variados propósitos nas mais diversas áreas.

A seguir, apresentaremos alguns destes

modelos.

6.1 – O modelo de alocação de recursos

Uma empresa dispõe dos seguintes recursos: MO1,

MO2, MQA, MQB, LEITE, e estes recursos devem ser

alocados na produção de: Leite C, Manteiga e

Requeijão.

As variáveis MO1 e MO2, significam, respectivamente,

mão-de-obra 1 e 2; as variáveis MQA e MQB, máquinas

A e B e a variável LEITE representa a quantidade de

leite bruto para processamento.

A tabela abaixo mostra o requerimento de recursos

por unidade de produtos:

Recursos

Produtos

Leite C Manteiga Requeijão

MO1 2,0 1 3

MO2 0,0 4 3

MQA 0,5 2 1

MQB 0,0 2 3

LEITE 0,8 8 4

Sendo que a disponibilidade de recursos é dada

por:

O lucro esperado por cada unidade produzida é:

Leite C = $ 0,15; Manteiga = $ 2,00 e Requeijão = 0,80.

O objetivo é fazer a alocação dos recursos

disponíveis de modo a maximizar o lucro esperado.

Recurso MO1 MO2 MQA MQB LEITE

Disponib. 400 500 300 350 1000

Proposta de modelagem do problema:

Passo 1: Definir as variáveis de decisão do problema. É

importante lembrar: “Trata-se de variáveis quantitativas

contínuas, isto é, quantidade de alguma coisa”.

Passo 2: Construir a função objetivo. Maximizar ou

minimizar? Dica: É uma função linear, e, portanto, é

preciso identificar os coeficientes da função e relacioná-

los com as variáveis definidas no passo 1.

Passo 3: Construir as restrições do modelo. Dica: Para

cada recurso limitante, estará associado uma restrição.

Outras restrições dependerão das caratecísticas do

problema e do que deseja o tomador de decisão.

Passo 4: Construir as restrições de não-negatividade. As

demais restrições podem variar de modelo para modelo,

mas as de não-negatividade são obrigatórias em todos os

modelos.

Solução:

Passo 1: Definir as variáveis de decisão.

LEITEC = Quantidade a ser produzida de leite C.

MANT = Quantidade a ser produzida de manteiga.

REQ = Quantidade a ser produzida de requeijão.

Passo 2: Construir a função objetivo.

Max Lucro = 0,15*LEITEC + 2,00*MANT + 0,80*REQ

Passo 3: Construir as restrições do modelo.

2,0*LEITEC + MANT + 3*REQ 400 (Rest. MO1)

4*MANT + 3*REQ 500 (Rest. MO2)

0,5*LEITEC + 2*MANT + REQ 300 (Rest. MQA)

2*MANT + 3*REQ 350 (Rest. MQB)

0,8*LEITEC + 8*MANT + 4*REQ 1000 (Rest. Leite)

Passo 4: Construir as restrições de não-negatividade.

LEITEC, MANT E REQ 0

Max Lucro = 0,15*LEITEC + 2,00*MANT + 0,80*REQ

Sujeito a: (s.a.)

2,0*LEITEC + MANT + 3*REQ 400

4*MANT + 3*REQ 500

0,5*LEITEC + 2*MANT + REQ 300

2*MANT + 3*REQ 350

0,8*LEITEC + 8*MANT + 4*REQ 1000

LEITEC, MANT E REQ 0

O MODELO DE PL COMPLETO

Sejam as variáveis de decisão x1, x2, ... , xn

representando a quantidade a ser produzida de

cada produto j, j = 1, 2, ... , n.

Sejam ainda: c1, c2, ..., cn o lucro esperado por

unidade de cada produto e aij a quantidade do

recurso i necessária para se produzir uma

unidade do produto j.

Sejam m recursos disponíveis nas quantidades

b1, b2,..., bm que deverão ser alocados na

produção de n produtos.

O MODELO GENERALIZADO

Max Q(x) = c1x1 + c2x2 + ... + cnxn

Sujeito a: (s.a.)

a11x1 + a12x2 + ... + a1nxn b1

a21x1 + a22x2 + ... + a2nxn b2

am1x1 + am2x2 + ... + amnxn bm


xi 0

6.2 – O modelo da dieta

Deseja-se formular um kg de ração a partir de 4

ingredientes. A composição química e o preço dos

ingredientes são apresentados na tabela a seguir:

Ingrediente ING1 ING2 ING3 ING4

Proteína 0,01 0,08 0,05 0,03

Cálcio 0,01 0,04 0,06 0,05

Fósforo 0,04 0,06 0,08 0,02

Gordura 0,08 0,05 0,02 0,06

Preço (R$/Kg) 0,40 0,75 1,25 0,60

Cada kg de ração deve atender:

Nutriente Min. Max.

Proteína 0,05 0,40

Cálcio 0,04 0,20

Fósforo 0,05 0,20

Gordura 0,00 0,25

A partir dos dados apresentados, formular

um modelo para produzir um quilo de ração ao

menor custo possível.

Solução:


ING1 = Quantidade, em kg, do ingrediente 1 na ração.





Min Custo = 0,40 ING1 + 0,75 ING2 + 1,25 ING3 + 0,60 ING4


0,01 ING1 + 0,08 ING2 + 0,05 ING3 + 0,03 ING4 0,40 (proteína)


0,01 ING1 + 0,04 ING2 + 0,06 ING3 + 0,06 ING4 0,20 (cálcio)


0,04 ING1 + 0,06 ING2 + 0,08 ING3 + 0,02 ING4 0,20 (fósforo)


0,08 ING1 + 0,05 ING2 + 0,02 ING3 + 0,06 ING4 0,25 (gordura)


ING1 + ING2 + ING3 + ING4 = 1 (Total de ração produzida)


ING1, ING2, ING3 e ING4 0


Min Custo = 0,40 ING1 + 0,75 ING2 + 1,25 ING3 + 0,60 ING4

Sujeito a: (s.a.)









ING1 + ING2 + ING3 + ING4 = 1 (Total de ração produzida)

ING1, ING2, ING3 e ING4 0

Considere:

xj a variável de decisão representando a quantidade do

ingrediente j presente na mistura, para j = 1, 2, 3, ..., n

Sejam j ingredientes, para j = 1, 2, 3, ..., n;

Seja cj o custo unitário do ingrediente j;

bi como a exigência nutricional referente ao nutriente i,

para i = 1, 2, 3, ..., m;

aij como a quantidade do nutriente i presente em uma

unidade do ingrediente j.



Min c(x) = c1x1 + c2x2 + ... + cnxn

Sujeito a: (s.a.)

a11x1 + a12x2 + ... + a1nxn ≤ b1 (Limite superior do nutriente 1)

a11x1 + a12x2 + ... + a1nxn b1 (Limite inferior do nutriente 1)

am1x1 + am2x2 + ... + amnxn ≤ bm (Limite superior do nutriente 1)

am1x1 + am2x2 + ... + amnxn bm (Limite inferior do nutriente 1)

x1 + x2 + x3 + ... + xn = k (k = total produzido)

x1 0, x2 0, ... , xn 0

6.3 – O modelo de transporte

Um produto está disponível nas localidades O1,

O2, O3, O4 e O5. Tal produto é demandado por clientes

localizados em D1, D2 e D3. O custo unitário de

transporte para este produto é:

O1 O2 O3 O4 O5

D1 0,12 0,15 0,18 0,16 0,80

D2 0,10 0,18 0,20 0,14 0,22

D3 0,10 0,16 0,10 0,12 0,17

As quantidades demandadas nas localidades D1,

D2, e D3 são, respectivamente, 2000, 2400 e

1900.

As quantidades disponíveis nas localidades O1,

O2, O3, O4 e O5 são, respectivamente, 1800,

1200, 1400, 1000 e 900. Formule um modelo de

PL que minimize o custo total de transporte do

produto, respeitando a demanda de cada cliente

e a disponibilidade em cada local.

Solução:


Seja OiDj a variável de decisão representando a

quantidade enviada da localidade i para o cliente j.


Min Custo = 0,12 O1D1 + 0,10 O1D2 + 0,10 O1D3 + ... +

0,22 O5D2 + 0,17 O5D3


O1D1 + O2D1 + O3D1 + O4D1 + O5D1 = 2000 (Cliente 1)



O1D1 + O1D2 + O1D3 = 1800 (localidade 1)






OiDj 0

Min Custo = 0,12 O1D1 + 0,10 O1D2 + 0,10 O1D3 + ... + 0,22 O5D2 + 0,17

O5D3

Sujeito a: (s.a.)









OiDj 0



Sejam:

• m origens i (disponibilidade do produto);

• n destinos j (demandas do produto);

• ai como a quantidade disponível do produto na

localidade de origem i;

• bj como a quantidade demandada do produto no

destino j;

• cij como custo unitário de transporte do produto da

origem i para o destino j;

• xij como a quantidade do produto enviada de i para j.


Min c(x) = c11x11 + c12x12 + ... + cmnxmn s.a. x11 + x21 + ... + xm1 = b1 (Cliente 1)

x12 + x22 + ... + xm2 = b2 (Cliente 2)

x1n + x2n + ... + xmn = bn (Cliente n)

x11 + x12 + + x1n = a1 (Origem 1)

x21 + x22 + + x2n = a2 (Origem 2)

xm1 + xm2 + + xmn = am (Origem m) xij 0, i, j

Este modelo vale para:

n

j

j

m

i

i ba11

Equilibrio entre oferta e

demanda.

O que fazer se

n

j

j

m

i

i ba11

Alternativa 2: Criar um cliente fantasma n + 1 para

receber o excedente, sendo:

Alternativa 1: Nas restrições de oferta faz-se a

substituição do sinal de = pelo sinal de .

n

j

j

m

i

in bab11

1 e com Ci, n + 1 = m.q.o.d., i

6.4 – O modelo de corte e empacotamento

Em uma determinada serraria, deseja-se traçar

duas árvores, cujos troncos têm 13 metros cada, em

três tamanhos de tora diferentes, a saber: 4, 5 e 6

metros. Admitindo-se que a serraria tem que produzir

pelo menos duas toras de 4 e 5 metros e 1 tora de 6

metros, e que as toras de 4, 5 e 6 metros valem no

mercado, 80, 90 e 100 reais, respectivamente,

encontrar o melhor esquema de corte para as duas

árvores de modo a maximizar o lucro da serraria.

Solução:

Passo 1: Definir as variáveis de decisão. No caso deste

problema é necessário idealizar as alternativas possíveis

de corte. Veja o seguinte esquema:

Em função das alternativas possíveis e do número

de árvores, tem-se a seguinte variável de decisão:

Seja Xij uma variável binária {0, 1}, em que:

0 = Não adotar a alternativa de corte i para a árvore j.

1 = Adotar a alternativa de corte i para a árvore j.


Max Renda = 240 X11 + 250 X21 + 180 X31 + 180 X41 +

190 X51 + 200 X61 + 240 X12 + 250 X22 + 180 X32 + 180 X42

+ 190 X52 + 200 X62


3 X11 + 3 X12 + 2 X21 + 2 X22 + X31 + X32 > 2 (Demanda pela tora de 4 m)

X21 + X22 + 2 X41 + 2 X42 + X51 + X52 > 2 (Demanda pela tora de 5 m)

X31 + X32 + X51 + X52 + 2 X61 + 2 X62 > 1 (Demanda pela tora de 6 m)

12 X11 + 13 X21 + 10 X31 + 10 X41 + 11 X51 + 12 X61 < 13 (Limite da árvore 1)



OiDj {0, 1}

Max Renda = 240 X11 + 250 X21 + 180 X31 + 180 X41 +

190 X51 + 200 X61 + 240 X12 + 250 X22 + 180 X32 + 180 X42

+ 190 X52 + 200 X62

Sujeito a: (s.a.)

3 X11 + 3 X12 + 2 X21 + 2 X22 + X31 + X32 > 2 (Demanda pela tora de 4 m)

X21 + X22 + 2 X41 + 2 X42 + X51 + X52 > 2 (Demanda pela tora de 5 m)

X31 + X32 + X51 + X52 + 2 X61 + 2 X62 > 1 (Demanda pela tora de 6 m)



OiDj {0, 1}



Sejam:

• m = número de alternativas i (alternativas de corte);

• n = número de objetos j (objetos a serem cortados);

• l = número de tamanhos k de corte;

• aij = número ou o comprimento total quando se utiliza a alternativa de

corte i para o objeto j.

• dk = demanda para cada k-ésimo tamanho.

• bn = tamanho total disponível para corte para o objeto j.

• cij = renda ou resíduo quando se utiliza a alternativa i para se cortar o

objeto j;

• xij = adotar (xij = 1) ou não (xij = 0) a alternativa i para se cortar o objeto j.


Min ou Max Q(x) = c11x11 + c12x12 + ... + cmnxmn s.a. 𝑎𝑖𝑗

∗

𝑛

𝑗=1

𝑚

𝑖=1

𝑥𝑖𝑗∗ ≥ 𝑑1

𝑎𝑖𝑗

∗

𝑛

𝑗=1

𝑚

𝑖=1

𝑥𝑖𝑗∗ ≥ 𝑑2

⋮ ⋮

𝑎𝑖𝑗∗

𝑛

𝑗=1

𝑚

𝑖=1

𝑥𝑖𝑗∗ ≥ 𝑑𝑙

Restrições de demanda

𝑎𝑖1∗∗𝑥𝑖1 ≤ 𝑏1

𝑚

𝑖=1

𝑎𝑖2∗∗𝑥𝑖2 ≤ 𝑏2

𝑚

𝑖=1

⋮ ⋮

𝑎𝑖𝑛∗∗𝑥𝑖𝑛 ≤ 𝑏𝑛

𝑚

𝑖=1

xij {0, 1}

Restrições de tamanho

máximo de cada objeto

Em que:

𝑥𝑖𝑗∗ = todas as variáveis xij associadas ao k-

ésimo tamanho de corte.

𝑎𝑖𝑗∗ = números de objetos com o tamanho k

associados às variáveis 𝑥𝑖𝑗∗ .

𝑎𝑖𝑗∗∗ = comprimento total quando se utiliza a

alternativa de corte i para o objeto j.

Outro maneira de formular o modelo de corte e

empacotamento proposto

A principal diferença deste paradigma para o

anterior é que, neste caso, a variável de decisão é

definida como:

xij = número de toras de tamanho i a serem

cortadas na árvore j.

Em função disto, o modelo teria a seguinte

formulação:

Max Renda = 80 X11 + 80 X12 + 90 X21 + 90 X22 +

100 X11 + 100 X12

Sujeito a: (s.a.)

X11 + X12 2 (Demanda pela tora de 4 m)



4 X11 + 5 X21 + 6 X31 ≤ 13 (Limite da árvore 1)

4 X12 + 5 X22 + 6 X32 ≤ 13 (Limite da árvore 2)

Xij 0 e inteiro.

6.5 – Outros modelos

6.5.1 – O modelo do jovem atarefado

João tem duas namoradas, Maria e Luiza. Cada

saída de 3 horas com Maria custa R$ 24,00 e com

Luiza custa R$ 16,00. Seu orçamento permite dispor

R$ 96,00/mês para diversão. João dispõe de no

máximo 18 horas e 40.000 calorias para diversão

durante o mês. Cada saída com Maria consome 5000

calorias e com Luiza o dobro. Ele gosta das duas com a

mesma intensidade. O objetivo de João é maximizar o

número de saídas.

Solução:


NM = número de saídas de 3 horas com Maria

NL = número de saídas de 3 horas com Luiza


Max = NM + NL


24 NM + 16 NL 96 (restrição de orçamento)

NM + NL 06 (restr. do núm. de saídas)

500 NM + 1000 NL 40000 (restr. do núm. de calorias)


NM 0 e inteiro

NL 0 e inteiro

FIM DO CAPITULO III a

Comprimento = l = 13 metros

l = 4 m l = 5 m l = 6 m

l = 4 m l = 4 m l = 4 m l = 1 m

Sobra

Alternativas de corte Sobra

1 – 4, 4 e 4 metros 1 metro

2 – 4, 4 e 5 metros 0 metro

3 – 4 e 6 metros 3 metros



6 – 6 e 6 metros 1 metro

COMPRIMENTO

DE TORA

ALTERNATIVAS DE CORTE VALOR DA

TORA 1 2 3 4 5 6

1 3 2 1 0 0 0 80

2 0 1 0 2 1 0 90

3 0 0 1 0 1 2 100

Resto 1 0 3 3 2 1

capÍtulo iii programaÇÃo linear (pl) · • dentre as técnicas de pesquisa operacional, a...

Documents